Curvature-based Analysis of Network Connectivity in Private Backbone Infrastructures
Curvature-based Analysis of Network Connectivity in Private Backbone Infrastructures
复制标题
基于曲率的专用骨干基础设施网络连通性分析
DOI：
10.1145/3508025
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Crovella, Mark
中科院分区：
文献类型：
--
作者：
Salamatian, Loqman;Anderson, Scott;Matthews, Joshua;Barford, Paul;Willinger, Walter;Crovella, Mark
这项工作的主要前提是，由于大型云提供商可以并且确实操纵穿过其私有和运营的骨干网的探测数据包，因此标准的基于跟踪路由的测量技术不再是评估大型云提供商基础设施中网络连接的可靠手段。针对这些发展，我们提出了一个新的实证方法来阐明私人连接在今天的互联网。我们的方法依赖于只使用“轻量级”（即，简单、易于解释和容易获得）测量，但需要应用“重量级”或高级数学分析。特别地，我们描述了一种用于评估网络路径连通性特征的新方法，该方法基于黎曼几何的概念（即，Ricci曲率），并且还依赖于一系列精心制作的可视化（例如，网络延迟空间的新颖流形视图）。我们通过利用RIPE Atlas锚点和三家大型云提供商数据中心中运行的虚拟机的延迟测量来演示我们的方法，以（i）研究其私有骨干中连接的不同方面，以及（ii）展示我们基于流形的视图如何使我们能够在不同的地理范围内暴露和可视化这种连接的关键方面。
The main premise of this work is that since large cloud providers can and do manipulate probe packets that traverse their privately owned and operated backbones, standard traceroute-based measurement techniques are no longer a reliable means for assessing network connectivity in large cloud provider infrastructures. In response to these developments, we present a new empirical approach for elucidating private connectivity in today's Internet. Our approach relies on using only "light-weight" ( i.e., simple, easily-interpretable, and readily available) measurements, but requires applying a "heavy-weight" or advanced mathematical analysis. In particular, we describe a new method for assessing the characteristics of network path connectivity that is based on concepts from Riemannian geometry ( i.e., Ricci curvature) and also relies on an array of carefully crafted visualizations ( e.g., a novel manifold view of a network's delay space). We demonstrate our method by utilizing latency measurements from RIPE Atlas anchors and virtual machines running in data centers of three large cloud providers to (i) study different aspects of connectivity in their private backbones and (ii) show how our manifold-based view enables us to expose and visualize critical aspects of this connectivity over different geographic scales.
登录
查看更多内容
DOI：
10.1145/1080173.1080182
发表时间：
2005-08
期刊：
--
影响因子：
--
作者：
Neal Patwari;A. Hero;Adam Pacholski
通讯作者：
Neal Patwari;A. Hero;Adam Pacholski
当今互联网中多云连接的第一个比较特征
DOI：
--
发表时间：
2020
期刊：
Lecture notes in computer science
影响因子：
--
作者：
Bahador Yeganeh, Ramakrishnan Durairajan
通讯作者：
Bahador Yeganeh, Ramakrishnan Durairajan
剪切度量、随机图和分支过程
影响因子：
1.6
作者：
B. Bollobás;S. Janson;O. Riordan
通讯作者：
O. Riordan
DOI：
10.1145/2068816.2068858
发表时间：
2011-11
期刊：
--
影响因子：
--
作者：
J. Sommers;P. Barford;Brian Eriksson
通讯作者：
J. Sommers;P. Barford;Brian Eriksson
DOI：
10.1145/1402958.1402993
发表时间：
2008-08
期刊：
--
影响因子：
--
作者：
Rob Sherwood;Adam Bender;N. Spring
通讯作者：
Rob Sherwood;Adam Bender;N. Spring